[发明专利]一种倒车影像的图像处理方法及装置

说明书

本发明涉及一种倒车影像的图像处理方法及装置，包括：将初始倒车影像所对应高分辨率的图像进行双三次插值预下采样处理；通过二维离散小波变换将图像进行分解；将得到的子图放入深度残差网络中进行图像特征信息的卷积迭代训练，得到相对应的预测高分辨率子图；通过小波逆变换得到最终的清晰图像。上述方法采用二维离散小波变换与深度残差网络学习相结合的方式对图像数据进行处理，大大降低了神经网络所需要的训练模型的网络层数，在提高训练速度的同时也提高了成像速度，并满足车载系统对图像传输成像延迟的需求，通过本发明的方法所处理得到的图像清晰度得到了提高，为后续的算法计算提供了更好的基础，也使驾驶员获取了更清晰的倒车影像图像。

技术领域

本发明涉及一种倒车影像的图像处理方法及装置，具体涉及一种用于对倒车影像系统获取的图像处理的方法及装置，属于网络数据处理领域。

背景技术

通常情况下的倒车影像系统是通过安装在汽车尾部的摄像装置进行图像获取，在车内的座舱软件中控屏进行显示，并通过一定的算法将图像中的物体进行识别和切分，以便绘制出倒车辅助线以辅助停车。但由于成本原因以及现有摄像头设备技术提升瓶颈的问题，导致目前汽车所配备的倒车影像摄像头的成像不够清晰明了，一定程度上阻碍了后期算法计算的准确性，从而使得所得出的辅助线准确度不高，成像效果不佳，进而对驾驶员的倒车停车过程造成了一定的困扰。

一般的倒车影像系统对于所获取的图像数据进行处理的较少，即使进行图像处理，所采用的方法一般是双线性插值法或三线性插值法，图像处理速度较快，但获取的图像清晰度较低，并不能满足车载系统的要求。或者是采用传统的神经网络系统进行训练和迭代，虽然获取的图像效果较好，但实时性很差，无法满足车载系统对于图像延迟的需求。也就是说，现有的倒车影像系统难以满足图像处理速度以及清晰度的双重需求。

因此，提供一种能够快速处理倒车影像所获取的图像，确保图像能够实时传输，并提高图像的清晰度，从而满足车载系统对图像的多重需求，进而提高倒车影像系统的精确度，为驾驶员停车倒车的过程提供更高效的辅助。

发明内容

本发明所要解决的问题是提供为了解决现有技术的上述问题，本发明提供了一种倒车影像的图像处理方法，包括：

S100：将初始倒车影像所对应高分辨率的图像进行双三次插值下采样处理；

S200：通过二维离散小波变换将图像进行分解得到子图；

S300：将得到的子图放入深度残差网络中进行图像特征信息的卷积迭代训练，得到相对应的预测高分辨率子图；

S400：通过小波逆变换得到最终的清晰图像。

优选的，所述步骤S200包括：根据选取的小波系数确定小波的尺度范围和平移量，对图像进行二维离散小波分离与重构。

优选的，所述二维离散小波分离与重构具体包括：将图像作为输入信号进行处理，对图像的行方向进行滤波器处理，进行1DDWT，获得水平方向上的输入信号的高低频分量；对得到的高低频分量再进行一次滤波器处理，得到每一列不同的频率分量，通过小波特征提取，得到子图。

优选的，所述子图包括：不同频率方向上的近似信息、水平细节信息、垂直细节信息以及对角线细节信息的子图。

优选的，所述深度残差网络的卷积层包括用于特征图像分解的滤波器。

优选的，所述步骤S300包括：深度残差网络是在VGG网络结构基础上，使用残差网络结构学习残差映射以进行特征比对的网络。

优选的，所述深度残差网络包括多个卷积层，其中的一种卷积层包括3*3的卷积核，另一种卷积层包括1*1的卷积核。

优选的，所述图像处理中的损失函数为：